«Ай Пи Ти Групп» оперирует большими объемами финансовых и операционных данных, которые поступают от нескольких юридических лиц и подразделений. До старта проекта аналитическая инфраструктура компании представляла собой комбинацию выгрузок отчетов из нескольких экземпляров «1С», вручную собираемых Excel-таблиц и разрозненных отчетов в Power BI, частично построенных на неподтвержденных данных.
Основные проблемы были типичны для компаний, переросших возможности точечной автоматизации: отсутствовал единый источник достоверных данных — каждый отдел пользовался своими срезами, наблюдались высокие трудозатраты на ежемесячную сборку сводной отчетности. Контроль качества данных был слабым (ошибки в источниках выявлялись слишком поздно), не существовало единого описания данных и бизнес-правил, а возможности для глубокого анализа и планирования оставались ограниченными.
Требовалось создать централизованное хранилище, которое автоматически собирало бы данные из всех источников, унифицировало их и обеспечивало бы быстрый доступ к отчётности для инвестиционно-аналитического отдела и руководства.
При выборе архитектуры компания руководствовалась несколькими критериями: полное воспроизведение данных из «1С» без потерь, поддержка сложных расчетов показателей и витрин данных, масштабируемость для подключения новых юридических лиц, наличие инструментов контроля качества данных, а также возможность внесения ручных корректировок в рамках заданных форм (например, маппинг статей бюджета). Рассмотрев несколько вариантов, остановились на классической связке: хранилище данных на платформе Microsoft SQL Server Standard и витрины для последующей визуализации в Power BI. В качестве подрядчика выбрали BI Consult.
Проект стартовал в октябре 2024 года и велся поэтапно, с приоритетом наиболее востребованных отчетов: «Валовая прибыль» и отчета по бюджету доходов и расходов. К концу 2025 года система закрыла ключевые аналитические потребности инвестиционно-аналитического отдела. Основными источниками данных для хранилища выступают 28 баз «1С», пользовательские формы ввода в Access и файлы MS Excel. Объем загруженных данных составляет порядка 30 Гбайт — это транзакционные данные за три года деятельности компаний.
Для бизнес-пользователей хранилище обеспечило единую версию правды: данные из разных баз «1С» приведены к единому формату с учетом пользовательских корректировок (например, маппинга статей БДР). Аналитика перестала зависеть от ручных выгрузок из источников — все расчеты выполняются в хранилище. Витрины данных (готовые наборы показателей для отчетов) рассчитываются автоматически, что исключает человеческий фактор при сборке. При этом возможность вносить корректировки в рамках заданных форм повышает гибкость, но сохраняет контроль, а автоматизированные проверки помогают выявлять ошибки в учетных системах-источниках, которые раньше оставались незамеченными.
Для ИТ-отдела ключевыми эффектами стали отказоустойчивость и стандартизация. Расчеты вынесены из продуктивных баз «1С» в DWH, что снижает нагрузку на оперативные системы и уменьшает риск их сбоев. Единая модель данных с централизованными бизнес-правилами упрощает поддержку и ускоряет разработку новых отчетов.
В результате ускорился цикл принятия решений за счет оперативной информации, повысилась точность планирования и бюджетирования, появилась возможность выявлять скрытые возможности и риски на основе точного анализа данных, выросла ответственность сотрудников благодаря прозрачности и согласованности показателей, а также снизились операционные издержки и риски.
По итогам первых месяцев промышленной эксплуатации трудозатраты на подготовку отчетности сократились на 50%, а срок получения необходимой информации топ-менеджерами уменьшился на 70%. Отчет по валовой прибыли теперь собирается за несколько часов вместо нескольких дней. Отчет БДР (бюджет доходов и расходов) автоматически формируется с учетом пользовательского маппинга статей — ранее это требовало ручного переноса и сверки.
Компания планирует развивать хранилище по нескольким направлениям: подключение новых типов источников данных, дальнейшая автоматизация текущей отчетности (которая пока остается частично ручной), разработка дополнительных отчетов с автоматической сборкой и проверкой качества, увеличение числа пользователей DWH, а также внедрение дополнительных форм для пользовательских корректировок, чтобы закрыть больше сценариев анализа.